MaMaEuSch

Management Mathematics forEuropean Schools

http://www.mathematik.uni-kl.de/ mamaeusch

Introduccion al Calculo de Probabilidades a traves de casos

reales

Paula Lagares Barreiro*

Federico Perea Rojas-Marcos*

Justo Puerto Albandoz*

MaMaEuSch**

Management Mathematics for European Schools94342 - CP - 1 - 2001 - 1 - DE - COMENIUS - C21

*Universidad de Sevilla**Este proyecto ha sido llevado a cabo con ayuda parical de la Comunidad Europea en el marco del pro-

grama Socrates. El contenido del proyecto no reflejy necesariamente la posicion de la Comunidad Europea,ni implica ninguna responsabilidad por su parte.

Indice general

1. Juegos y Azar 31.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.2. El juego del mus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41.3. Experimentos Aleatorios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51.4. Sucesos Aleatorios y Espacio Muestral . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.4.1. Sucesos elementales y compuestos . . . . . . . . . . . . . . . . . . . . . . . . 61.4.2. Sucesos compatibles e incompatibles . . . . . . . . . . . . . . . . . . . . . . . 61.4.3. El suceso seguro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71.4.4. El suceso imposible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71.4.5. Sucesos complementarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1.5. Operaciones con Sucesos Aleatorios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81.5.1. Union de sucesos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81.5.2. Interseccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91.5.3. Diferencia de sucesos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101.5.4. Propiedades de las operaciones con sucesos . . . . . . . . . . . . . . . . . . . 10

2. Probabilidad 112.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.1.1. Definicion de probabilidad a partir de frecuencias relativas: probabilidad empri-ca. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.1.2. Regla de Laplace: probabilidad teorica . . . . . . . . . . . . . . . . . . . . . . 142.2. Extracciones con y sin reemplazamiento. Diagramas de arbol. . . . . . . . . . . . . . 15

2.2.1. Extracciones con reemplazamiento . . . . . . . . . . . . . . . . . . . . . . . . 152.2.2. Extracciones sin reemplazamiento . . . . . . . . . . . . . . . . . . . . . . . . 16

2.3. Definicion axiomatica de probabilidad (1o BACH) . . . . . . . . . . . . . . . . . . . 172.4. Calculo de probabilidades en casos complejos . . . . . . . . . . . . . . . . . . . . . . 18

2.4.1. Probabilidad condicionada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182.4.2. Independencia de sucesos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202.4.3. Probabilidad total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212.4.4. Teorema de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.5. Resolucion de la pregunta inicial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

1

3. Distribuciones de probabilidad unidimensionales 283.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283.2. El ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283.3. Introduccion. Variable aleatoria discreta y distribuciones de probabilidad . . . . . . 293.4. Funcion de Distribucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313.5. La Moda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333.6. La Esperanza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343.7. La Varianza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343.8. Resumen del problema inicial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

4. Un ejemplo de distribucion aleatoria discreta: la binomial 384.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384.2. El ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384.3. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

4.3.1. La Esperanza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 434.3.2. La Varianza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

5. Distribuciones continuas: la normal 465.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 465.2. El ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 465.3. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

2

Captulo 1

Juegos y Azar

Vamos a jugar al mus. Se reparten las cartas y llega la hora de decidir cuanto apostamos. Hemosde tener en cuenta que no jugamos solos, sino que competimos con otros participantes. Nerviososvamos observando nuestras cartas una a una, segun las vayan repartiendo. Que cartas nos tocaran?Mejores que las de nuestros rivales?

Antes de nada, vamos a plantear los objetivos que se cubriran en este manual y a dar unas reglaspara jugar al mus.

1.1. Objetivos

Comprender el concepto de experimento aleatorio y distinguirlo de uno determinista.

Identificar los sucesos aleatorios tras un experimento y diferenciar un suceso simple de unsuceso compuesto.

Encontrar algunos sucesos especiales: el suceso seguro y el suceso imposible.

Operar con sucesos aleatorios e interpretar los sucesos resultantes tras efectuar uniones, in-tersecciones y diferencias.

Asignar probabilidades a los sucesos aleatorios sencillos de dos formas diferentes: mediante laregla de Laplace y a traves de las frecuencias relativas.

Entender el concepto de probabilidad condicionada y su utilidad.

Comprender la independencia de sucesos y su uso para el calculo de probabilidades.

Manejar el teorema de la Probabilidad Total y la Regla de Bayes, sus diferencias y su aplica-bilidad en el calculo de probabilidades.

3

1.2. El juego del mus

Vamos a jugar a un juego sencillo de cartas. En el, participaran dos equipos, formados por dosjugadores cada uno, que competiran entre s. La pareja ganadora, recibira el placer de ganar lapartida y haber disfrutado de un buen rato con sus amigos, no se jugara con dinero. Se juega conuna baraja de 40 cartas, distribuidas de la siguiente forma:

8 ases o unos,

4 cuatros,

4 cincos,

4 seises,

4 sietes,

4 sotas o dieces,

4 caballos o onces,

8 reyes o doces.

Se repartiran 4 cartas a cada jugador, elegidas aleatoriamente de la baraja, y tras ese reparto sepueden obtener las siguientes jugadas:

Tener dos cartas iguales y las otras dos desiguales entre s y con respecto a las dos primeras,eso es tener una pareja. Por ejemplo, la jugada (cuatro, rey, diez, cuatro) es una pareja decuatros.

Tener tres cartas iguales y la tercera desigual es una jugada que llamaremos media. Si obten-emos unas cartas as: (rey, as, rey, rey) es que tienes una media de reyes.

Tener dos parejas entre las cuatro cartas, iguales o diferentes entre s, es un duplex. Porejemplo, una jugada que sea (cuatro diez diez cuatro) es un duplex de dieces-cuatros, mientrasque si tienes (as, as, as, as), eso es un duplex de ases-ases. En ambos casos, se consideraranduplex.

En este juego, el duplex tiene mas valor que la media, y esta mas que la pareja. En caso dehaber dos duplex, dos medias o dos parejas, ganara aquella que tenga las cartas mas altas.

Las cartas ordenadas de mas baja a mas alta son las que puedes encontrar al principio de estaseccion, es decir: as, cuatro, cinco, seis, siete, sota, caballo y rey.

Por ejemplo, un duplex de reyes y ases ganara a un duplex de sotas y caballos. Igualmente, unapareja de caballos ganara a una pareja de sotas.

En caso de empate, ganara aquel jugador que tenga cartas mas altas acompanando a la pareja oa la media. En caso de que las cuatro cartas sean iguales, ganara aquel jugador que vaya de mano,es decir, aquel jugador que haya recibido las cartas en primer lugar.

Cuatro amigos pasan mucho tiempo jugando a este juego, y resulta que se han dado cuenta deque la pareja de reyes, la media de reyes o ases y un duplex cualquiera salen aproximadamente el

4

mismo numero de veces. Estan discutiendo a ver cual de esas tres jugadas sale con mayor frecuencia.Podras ayudarles a averiguar cual es?

Creemos que al terminar este manual, podremos responder a esa pregunta, y lo haremos. Ahoracomenzaremos a introducir los diferentes conceptos que nos seran de utilidad para contestar a lapregunta del ejemplo y a muchas otras.

1.3. Experimentos Aleatorios

Ejemplo 1.3.1 Imagina la siguiente situacion: se reparten las cartas a los participantes. Sabremosantes de verlas que cartas vamos a tener?

Como ves, no tenemos ninguna certeza de las cartas que vamos a recibir hasta que no las veamos.Podemos obtener tres reyes y un as o cuatro sotas. Ambas posibilidades y muchas mas pueden darseen nuestro reparto de cartas. Al hecho de no tener seguridad sobre el resultado tras el reparto lellamamos azar.

En nuestro caso, tenemos un experimento: sacar cuatro cartas de la baraja. Como tras la real-izacion del experimento se pueden dar varios resultados, decimos que se trata de un experimentoaleatorio.

Si por el contrario supieramos el resultado del experimento de antemano, diramos que se tratade un experimento determinista. Por ejemplo, si dejamos caer una piedra desde nuestra mano,sabemos que esta caera al suelo. Aqu no hay posibilidad de resultados diferentes, solo uno: lapiedra caera al suelo.

As pues, podemos decir que la gran diferencia entre un experimento aleatorio y uno determinista,es que el primero puede dar lugar a diferentes resultados, y no podemos predecir cual de ellos sera elque ocurra, mientras que en el segundo solo tenemos una posibilidad, y esa es la que ocurrira.

Ejercicio 1.3.1 Plantea dos experimentos aleatorios y dos deterministas.

Definicion 1.3.1 (Experimento Aleatorio) Decimos que un experimento es aleatorio si no podemospredecir su resultado.

1.4. Sucesos Aleatorios y Espacio Muestral

Una vez comprendida la idea de experimento aleatorio, con toda naturalidad nos surgiran pre-guntas sobre que pasara.

Se puede ver que tras el reparto de cartas, podemos obtener un gran numero de combinacionesde cartas diferentes. Nos pueden salir manos como (as, rey, as, sota) o (cuatro, rey, cinco, siete). Acada uno de esos posibles repartos, los llamaremos sucesos aleatorios.

Es decir, en el experimento planteado anteriormente, las cartas (as, siete, sota, seis) forman unsuceso aleatorio.

Al conjunto de todos los sucesos de un experimento aleatorio, lo llamaremos Espacio Muestral,y lo denotaremos por E. En nuestro experimento, el espacio muestral es el conjunto formado portodos los posibles repartos.

Ejercicio 1.4.1 Imagina el siguiente experimento aleatorio: sacar de una baraja de mus una cartaal azar.

5

Describe el espacio muestral de ese experimento mediante la enumeracion de todos sus sucesosaleatorios.

Definicion 1.4.1 (Espacio Muestral y suceso aleatorio) Al conjunto de todos los resultadosque pueden obtenerse al realizar un experimento aleatorio, se le llama espacio muestral, y lo deno-taremos por E.Cualquier subconjunto del espacio muestral es un suceso.

1.4.1. Sucesos elementales y compuestos

Dentro de los sucesos aleatorios, vamos a distinguir, de momento, dos tipos: los sucesos aleatorioselementales y los sucesos aleatorios compuestos.

Imagina que observas la primera carta de tu reparto, y es un as. Planteate ahora estos dossucesos aleatorios:

es un as,

es menor que siete.

Puedes notar que entre esos dos sucesos aleatorios hay una gran diferencia. En el primero especifi-camos que carta es: un as. Mientras que en el segundo dejamos abierta la posibilidad a varios tiposde cartas: un as, un cuatro, un cinco o un seis.

Es decir, que el segundo suceso aleatorio descrito (la carta es menor que siete) engloba a su vezvarios sucesos aleatorios mas.

Diremos entonces que el primer suceso aleatorio descrito es un suceso elemental, mientras queel segundo es un suceso compuesto.

Definicion 1.4.2 (sucesos elementales) Decimos que un suceso es elemental cuando consta deun solo elemento del espacio muestral. En caso contrario, diremos que es un suceso compuesto.

Ejemplo 1.4.1 El experimento aleatorio es el siguiente: sacar de una baraja espanola completauna carta al azar. Tomaremos como elementos del espacio muestral: as de oros, dos de oros,tres de oros,...,rey de bastos.El suceso sacar el rey de oros es elemental. Sin embargo, si elegimos el suceso sacar un rey, setrata de un suceso compuesto, ya que esta formado por varios sucesos elementales: sacar el rey deoros, sacar el rey de copas, sacar el rey de espadas y sacar el rey de bastos.

1.4.2. Sucesos compatibles e incompatibles

Volvamos a la situacion del reparto de cartas. Nos van a dar cuatro. Planteemos estos dos sucesosaleatorios:

suceso A = De entre las cuatro cartas, dos son reyes,

suceso B = De entre las cuatro cartas, dos son ases.

Se pueden dar los sucesos A y B a la vez? Es decir, se pueden obtener 2 reyes y 2 ases en lamisma mano? Claro que s. Lo que tendremos es un bonito duplex de reyes y ases.

Como el suceso A y el B se pueden dar a la vez, decimos que son sucesos compatibles.

6

Sin embargo, no siempre es as, hay parejas de sucesos que no se pueden dar simultaneamente.Como ejemplo, imagina estos dos nuevos sucesos:

suceso C = De entre las cuatro cartas, exactamente tres son reyes,

suceso D = De entre las cuatro cartas, exactamente dos son ases.

Y nos volvemos a preguntar: Se pueden dar los sucesos C y D a la vez? Es decir, se puedenobtener 3 reyes y 2 ases en la misma mano? En este caso no, pues si tuvieramos 3 reyes y 2 asesen la misma jugada, eso significara que tenemos 5 cartas, cuando en este juego solo se repartencuatro. Es decir, es imposible.

As, como los sucesos C y D no se pueden dar en el mismo experimento, decimos que son sucesosincompatibles.

Ejercicio 1.4.2 Encontrar una pareja de sucesos compatibles y otra de sucesos incompatibles, difer-entes a las dadas antes, en el mismo experimento.

Definicion 1.4.3 Dados dos sucesos de un experimento aleatorio, diremos que son compatibles sise pueden dar los dos al mismo tiempo, y diremos que son incompatibles si no se pueden dar losdos a la vez.

1.4.3. El suceso seguro

Imagina que cogemos la baraja de cartas y la dividimos en dos grupos, por un lado los ases (8cartas en total) y por el otro las demas cartas (32 cartas). Cogemos el grupo de los 8 ases, y deel elegimos una carta al azar: podemos asegurar algo? S, que la carta elegida sera un as. As desimple es el suceso seguro, aquel suceso aleatorio que se da siempre.

Ejercicio 1.4.3 En el reparto de cartas del mus, plantea un suceso seguro en tu reparto, o sea, entus cuatro cartas.

Definicion 1.4.4 El suceso seguro es aquel suceso aleatorio de un experimento que se da siempre.Se puede ver que el suceso seguro es el espacio muestral E.

1.4.4. El suceso imposible

Sin embargo, en el mismo experimento podemos asegurar que la carta no sera un seis, ya que nohay ningun seis entre las cartas del monton elegido. Decimos entonces que el suceso la carta es unseis es un suceso imposible.

Ejercicio 1.4.4 En el reparto de cartas del mus, plantea un suceso imposible en tu reparto, o sea,en tus cuatro cartas.

Definicion 1.4.5 Decimos que un suceso es imposible cuando no puede darse en el experimento.Se denota por a cualquier suceso imposible.

7

1.4.5. Sucesos complementarios

Supon ahora que la baraja ha sido dividida en dos grupos: en el primero solo estan los reyes y losases (16 cartas) y en el segundo estan las restantes 24 cartas. Elegimos una carta al azar de entrelas del primer grupo. Observa estos dos sucesos:

A = La carta elegida es un as,

B = La carta elegida es un rey.

Como caracterstica especial de estos sucesos, podemos decir que si no se da el suceso A entoncesse da el B, y si no se da el B se da el A. Es decir, siempre se da alguno de los dos sucesos. Tambienpuedes observar que son sucesos incompatibles, es decir, no se pueden dar los dos a la vez.

Estas dos caractersticas son las que han de cumplir un par de sucesos aleatorios para poderdecir que son sucesos complementarios o contrarios.

Ejercicio 1.4.5 Obtener una pareja de sucesos complementarios en el experimento de sacar unacarta al azar de la baraja del mus completa.

Definicion 1.4.6 Dos sucesos son complementarios si son incompatibles (no se pueden dar los dosa la vez) y, si se da uno, siempre se cumple alguno de los dos. Si denotamos por A a un suceso, sucomplementario sera denotado A o Ac.

1.5. Operaciones con Sucesos Aleatorios

De igual forma que operamos con los numeros (los sumamos, restamos, multiplicamos, etc.)podemos hacer operaciones con los Sucesos Aleatorios. Esta vez las operaciones son diferentes a lasusadas con los numeros, as hablaremos de uniones e intersecciones de sucesos.

1.5.1. Union de sucesos

Imagina que volvemos a repartir las cartas en el juego del mus, es decir, cuatro cartas a cadajugador. Por tanto, tenemos el experimento de sacar cuatro cartas y observarlas. Planteemos ahorados sucesos aleatorios resultantes de ese experimento:

A = Sacar dos reyes,

B = Sacar un as.

Imagina que despues del reparto, nuestras cartas son: (as sota siete siete). A la vista de estereparto, se ha cumplido el suceso A? No, pues no tenemos dos reyes, ni tan siquiera tenemos uno.Y el suceso B, se ha cumplido? Este s, dado que hemos sacado un as. As, diremos que se hacumplido el suceso A union B, y lo representaremos A B.

As pues, si tenemos dos sucesos aleatorios y tras el experimento se cumple uno de los dos o losdos, entonces diremos que se ha cumplido el suceso A B.

8

Ejercicio 1.5.1 Estamos otra vez con el experimento anterior. Repartimos cuatro cartas. Consid-era los dos sucesos:

A = Sacamos tres reyes,

B = Sacamos tres ases.

A partir de esto describe dos repartos en los que se cumpla el suceso A B.

Definicion 1.5.1 (Union) Dados los sucesos A y B, se define el suceso A union B, y lo deno-taremos A B, como el suceso consistente en que se cumpla al menos uno de los dos. Notar, quesi se cumplen los dos a la vez, tambien se cumple A B.

1.5.2. Interseccion

Planteemos ahora dos nuevos sucesos aleatorios tras la realizacion del experimento consistente enrepartir cuatro cartas de la baraja del mus.

A = Sacar 2 ases,

B = Sacar 1 siete.

Imagina que tras el reparto de cartas, nos encontramos con esta combinacion: (as, rey, siete, as).Tras observarlo, se ha cumplido el suceso A? S, pues entre las cuatro cartas, tenemos dos ases. Yel suceso B? Tambien, pues la tercera carta es un siete. Como se han cumplido los sucesos A y Ben el mismo reparto, decimos entonces que en ese reparto se ha dado el suceso A interseccion B, ylo denotamos por A B

Ejercicio 1.5.2 Considera los siguiente sucesos aleatorios tras sacar las cuatro cartas de la baraja:

A = Sacar dos reyes,

B = Sacar dos ases.

Plantea un reparto en el que se cumpla el suceso A B y otro en el que no.

Definicion 1.5.2 (Interseccion) Dados los sucesos A y B, se define el suceso A interseccion B,y lo denotaremos AB, como el suceso consistente en que se cumplan los dos sucesos simultanea-mente.

Date cuenta, que si la interseccion de dos sucesos es el suceso imposible (), los sucesos sonincompatibles, (recuerda la definicion dada de sucesos incompatibles en el apartado anterior). Si lainterseccion no es el suceso imposible, entonces los sucesos son compatibles.

9

1.5.3. Diferencia de sucesos

Planteemos ahora dos nuevos sucesos tras el reparto de las cuatro cartas de la baraja del mus:

A = Sacar tres sotas,

B = Sacar un rey.

Despues de repartir nos han salido las siguientes cartas: (sota, as, sota, sota).Se ha cumplido el suceso A? Claramente s, pues tenemos entre las cuatro cartas exactamente

tres sotas. Y el suceso B? En este caso no, pues no tenemos ningun rey entre nuestras cartas.Entonces diremos que se ha cumplido el suceso diferencia A menos B, y lo denotaremos por A \B.

As pues, siempre que se de un suceso y otro no, diremos que se ha dado el suceso diferenciaentre el primero y el segundo.

Ejercicio 1.5.3 Estamos otra vez con el experimento anterior. Considera los dos sucesos:

A = Sacamos dos ases,

B = Sacamos dos sotas.

A partir de esto, plantea un posible reparto en el que se cumpla el suceso A \B y otro en el que secumpla el suceso B \A.Definicion 1.5.3 (Diferencia) Dados los sucesos A y B, se define el suceso diferencia A \ B,como el suceso consistente en que se cumpla el suceso A pero no el B.

1.5.4. Propiedades de las operaciones con sucesos

Las propiedades mas utilizadas son las que describiremos ahora. Tener en cuenta, que el sucesoE es el suceso seguro, el suceso es el suceso imposible, los sucesos A, B y C son tres sucesoscualesquiera, subconjuntos del espacio muestral y que Ac es el suceso contrario o complementariodel suceso A.Union:

A B = B A, A E = E, A = A, A Ac = E.

Interseccion:A B = B A, A E = A, A = , A Ac = .

Diferencia:A \B = A Bc.

Leyes de De Morgan:(A B)c = Ac Bc, (A B)c = Ac Bc.

Otras propiedades:

A (B C) = (A B) (A C), A (B C) = (A B) (A C).

10

Captulo 2

Probabilidad

2.1. Introduccion

En el captulo anterior, habamos dicho que al realizar un experimento aleatorio, no hay seguridadsobre el resultado que obtendremos: en otras palabras, hay incertidumbre. Pues bien, utilizaremospara medir esa aleatoriedad o incertidumbre, un numero que asociaremos a cada suceso, y lla-maremos probabilidad.

Por ejemplo, si elegimos una carta al azar de entre las de la baraja del mus, no sabramospredecir con seguridad que carta saldra. Aunque como sabemos que hay mas ases que sietes, seralogico pensar que tiene mas posibilidades de salir un as que un siete. Por eso diremos que, tras elexperimento, el suceso aleatorio la carta es un as tiene mas posibilidades de darse que el otrosuceso la carta es un siete.

En este captulo descubriremos varias tecnicas para medir la frecuencia con la que se dan lossucesos aleatorios, es decir, introduciremos varios metodos para asignar probabilidades.

Ejercicio 2.1.1 Describe dos sucesos en el reparto de cartas del mus que creas que tienen muydiferenciadas sus probabilidades o posibilidades de ocurrir y explica por que.

2.1.1. Definicion de probabilidad a partir de frecuencias relativas: prob-abilidad emprica.

Decamos en el apartado anterior, que en un experimento aleatorio, la probabilidad es un numeroque asignabamos a cada suceso, y con el que queremos indicar la frecuencia con la que se da dichosuceso.Una sencilla manera de obtener la probabilidad de un suceso aleatorio es a traves de la tabla defrecuencias relativas de ese experimento. A esa probabilidad la llamamos probabilidad emprica oconcepto frecuentista de probabilidad, porque se obtiene una vez realizado el experimento. As, sihemos realizado el experimento un numero de veces n y observado sus resultados, y nos damoscuenta de que en k de esas ocasiones se ha verificado el suceso que queremos analizar, llamemosle

11

A, decimos que la probabilidad de que ocurra el suceso A, y lo denotamos P (A), es kn , es decir:

P (A) =k

n.

Ejemplo 2.1.1 Supongamos que vamos sacando una a una 200 cartas de la baraja, y las vamosdejando otra vez en la baraja despues de observarlas. As, obtenemos la siguiente tabla de frecuen-cias relativas para este experimento:

Carta Frecuencia Relativaas 38200

cuatro 17200cinco 21200seis 24200siete 21200sota 23200

caballo 18200rey 38200

A partir de esta tabla, podramos decir que si sacamos una carta al azar de la baraja del mus,obtendremos cada uno de los diferentes naipes con las siguientes probabilidades:

P(la carta es un as)= 38200 ,

P(la carta es un cuatro)= 17200 ,

P(la carta es un cinco)= 21200 ,

P(la carta es un seis)= 24200 ,

P(la carta es un siete)= 21200 ,

P(la carta es una sota)= 23200 ,

P(la carta es un caballo)= 18200 ,

P(la carta es un rey)= 38200 .

Imagina ahora que llevamos a cabo 1000 extracciones, y nos salen las siguientes frecuencias relativas:

Carta Frecuencia Relativaas 1921000

cuatro 1111000cinco 1091000seis 85200siete 871000sota 1161000

caballo 911000rey 2091000

12

A partir de esta tabla, podramos decir que si sacamos una carta al azar de la baraja del mus,obtendremos cada uno de los diferentes naipes con las siguientes nuevas probabilidades:

P(la carta es un as)= 1921000 ,

P(la carta es un cuatro)= 1111000 ,

P(la carta es un cinco)= 1091000 ,

P(la carta es un seis)= 851000 ,

P(la carta es un siete)= 871000 ,

P(la carta es una sota)= 1161000 ,

P(la carta es un caballo)= 911000 ,

P(la carta es un rey)= 2091000 .

A la vista de estas probabilidades, y una vez comprendido que la probabilidad es un numero queasignamos a los sucesos aleatorios para medir la frecuencia con la que se dan, podramos decir queel suceso la carta elegida es un rey es mas probable, es decir, que tiene mas posibilidades dedarse que el suceso la carta elegida es un siete, dado que P(la carta es un rey) > P(la carta esun siete).

Con el mismo razonamiento, diremos que el suceso la carta es una sota es mas probable queel suceso la carta es un caballo, etc.

Nota 2.1.1 Este metodo de asignar probabilidades se basa en la ley de frecuencias relativas, queviene a decir que la frecuencia relativa de un suceso, cuando el numero de realizaciones del experi-mento se va haciendo grande, se aproxima a su verdadera probabilidad. Cuanto mas grande sea elnumero de repeticiones del experimento, mayor sera la fiabilidad de la probabilidad que obtengamos.

Es decir, en el ejemplo anterior, si en lugar de haber sacado 200 cartas hubieramos sacado solo100, la fiabilidad de las probabilidades obtenidas para cada suceso, sera menor que la que obtenemoscon las 200 extracciones y al reves, si hubieramos sacado 10000 cartas, las probabilidades habransido mas fiables que con las 1000 cartas que hemos sacado en el experimento.

En cualquier caso, la tabla obtenida tras la realizacion de las 1000 extracciones es mas fiableque la obtenida tras sacar 200 cartas.

Ejercicio 2.1.2 Realiza el siguiente experimento: efectua 20 repartos de mus, es decir, cuatro cartasde la baraja, y anota si en cada reparto se ha obtenido: una pareja, una media, un duplex o ningunode ellos.

Construye la tabla de frecuencias relativas de ese experimento y despues asigna probabilidadesa esos sucesos. Crees que son fiables esas probabilidades? Por que?

En la siguiente seccion, vamos a asignar probabilidades a los sucesos de otra forma. No nece-sitaremos realizar el experimento para conocer dichas probabilidades por lo que en algunos casos,sera un metodo bastante mas sencillo que el explicado anteriormente.

13

2.1.2. Regla de Laplace: probabilidad teorica

Como has podido comprobar, resulta bastante tedioso asignar probabilidades a partir de lasfrecuencias relativas, pues es necesario realizar el experimento una gran cantidad de veces paraconseguir una buena aproximacion de la verdadera probabilidad de un suceso y, aun as, nuncaestaremos seguros de conseguirla.

Por esa razon es necesario introducir un metodo alternativo para el calculo de probabilidadesque sea mas manejable.

Imaginemos el ejemplo de antes: tenemos la baraja del mus y vamos a sacar una carta. Queremosconocer las diferentes probabilidades de todos los posibles sucesos.

Bien, es logico pensar que la baraja esta bien hecha y, por tanto, sacaremos una carta con igualprobabilidad que otra. Es decir, no hay cartas mas grandes que otras, ni cartas dobladas, etc., enotras palabras, la baraja no esta trucada y por tanto podemos sacar cualquiera de las cuarentacartas con las mismas posibilidades. Se dice en este caso que son sucesos equiprobables. Otrossucesos equiprobables pueden ser el numero que sale tras el lanzamiento de un dado (con igualprobabilidad sale uno, dos,..., seis) o el hecho de salir cara o cruz en el lanzamiento de una moneda(con igual probabilidad sale cara o cruz), siempre y cuando no esten trucados.

Volvamos a nuestro ejemplo con la baraja del mus. Tenemos cuarenta cartas, todas ellas igualesen peso, forma, etc. Entre ellas hay 8 ases, por tanto parece logico pensar que de cuarenta ex-tracciones de cartas, aproximadamente en ocho saldra un as. Esto es algo teorico, pues puedescomprobar que no siempre ha de ser as en la practica (si sacas cuarenta cartas, lo mismo te salen3 ases que te salen 12). Pero el hecho de que haya 8 ases, nos da una idea de cuan probable es quesalga esa carta.

As pues, diremos que la probabilidad de que salga un as es 840 . Es una probabilidad teorica,repetimos, en la practica no siempre se dara que de cuarenta extracciones, en ocho de ellas saquemosun as. En este experimento, como hay cuarenta cartas en total, diremos que en este experimento haycuarenta casos posibles (podemos sacar cuarenta cartas diferentes) y ocho casos favorables porqueel suceso que estamos analizando (sacar un as) tiene ocho oportunidades de darse.

Ahora, una vez introducidos estos conceptos, podemos enunciar la regla de Laplace para elcalculo de probabilidades, que dice:

Definicion 2.1.1 (regla de Laplace) Si todos los sucesos elementales de un experimento sonequiprobables, y tenemos un suceso cualquiera A de dicho experimento, entonces se tiene que

P (A) =No total de casos favorables al suceso

No total de casos posibles,

donde el No total de casos favorables al suceso son las posibilidades reales de obtener esesuceso.

Esta fue la primera definicion formal de probabilidad que se dio en la historia, y lo hizo PierreSimon de Laplace.

Ahora, estas en disposicion de hacer correctamente el siguiente ejercicio:

Ejercicio 2.1.3 Calcula las probabilidades, utilizando la regla de Laplace, de obtener cada una delas diferentes cartas en el experimento de sacar una carta al azar de la baraja del mus.

14

2.2. Extracciones con y sin reemplazamiento. Diagramas dearbol.

Vamos a plantear en esta seccion unos nuevos experimentos algo mas complejos, en lugar desacar una sola carta, vamos a sacar varias. Tras el estudio de esta seccion, podremos analizar enprofundidad las diferentes jugadas del mus.

2.2.1. Extracciones con reemplazamiento

Comencemos por una situacion sencilla, sacamos dos cartas de la baraja del mus, de una en unay devolviendo la carta a la baraja una vez observada. A este proceso lo llamaremos extraccion conreemplazamiento.

Si llamamos A1 al suceso La primera carta es un rey y A2 al suceso La segunda carta es unasota, nos podramos preguntar cual es la probabilidad de que se den esos dos sucesos a la vez, esdecir, que la primera carta elegida sea un rey y la segunda una sota.

Para calcular la probabilidad de este suceso, dibujamos el siguiente diagrama, llamado diagramade arbol:

La probabilidad de que la primera carta sea un rey y la segunda una sota, es el producto de lasprobabilidades del camino hasta llegar al resultado (la regla del producto), es decir, 840 440 = 150 .

Sin embargo, si lo unico que queremos es que las dos cartas sean un rey y una sota sin importarel orden en el que aparezcan, nos tenemos que plantear que salgan (rey, sota) por ese orden, o elorden inverso (sota, rey).

Si llamamos B1 al suceso La primera carta es una sota y B2 al suceso La segunda carta esun rey, para que se de la combinacion (sota, rey) se tiene que dar el suceso B1 B2.

15

Por el mismo razonamiento de antes, y con un arbol similar al anterior, obtenemos que laprobabilidad de obtener (sota, rey) es 440 840 = 150 .

Por tanto, para obtener la probabilidad de obtener una sota y un rey sin importar el orden,sumamos las probabilidades anteriores (rey, sota) + (sota,rey) (regla de la suma), y obtenemos150 +

150 =

125 .

Ejercicio 2.2.1 Calcula en el experimento anterior la probabilidad de que las dos cartas sean ases,dibujando su arbol respectivo.

En el siguiente apartado veremos otro tipo de extracciones en las que no se devuelven las cartasuna vez observadas.

2.2.2. Extracciones sin reemplazamiento

En los experimentos realizados antes, devolvamos las cartas a la baraja una vez observadas pero,que pasara si no las devolvemos? Bien, la cosa cambia pero el razonamiento es mas o menos elmismo, lo unico que varan son las segundas probabilidades, es decir, las probabilidades referentesa la segunda extraccion de cartas. Es logico, ya que si en la primera extraccion tenemos cuarentacartas, en la segunda solo tendremos 39, pues la primera que cogimos no es devuelta.

Entonces, en el ejemplo de antes, si queremos que la primera carta sea un rey y la segunda seauna sota el arbol es el mismo, solo cambian las probabilidades en la segunda extraccion.

Vamos a calcular de nuevo las probabilidades de obtener un rey y una sota en ese orden, peroesta vez con unas extracciones diferentes, sin devolver las cartas a la baraja una vez observadas.Son las llamadas extracciones sin reemplazamiento. El arbol de este experimento es muy parecidoal anterior, veamoslo.

En este caso tenemos que la probabilidad de obtener (rey, sota) es 840 439 .

16

Notar que en este caso el segundo factor es 439 porque al no devolver la primera carta quecogimos, nos quedaran solo 39, entre las que hay cuatro sotas.

Igualmente calcularamos la probabilidad de obtener la combinacion (sota, rey) en dos extrac-ciones sin reemplazamiento, y saldra 440 839 .

Y de nuevo, si queremos calcular la probabilidad de obtener sota y rey sin importar el orden,en dos extracciones sin reemplazamiento, solo tenemos que aplicar la regla de la suma, por lo quenos queda que es 440 839 + 440 839 = 2 440 839 .

Ejercicio 2.2.2 Haz lo mismo que en el ejercicio anterior pero suponiendo que hacemos extrac-ciones sin reemplazamiento.

2.3. Definicion axiomatica de probabilidad (1o BACH)

Ahora, en esta seccion, vamos a introducir una definicion mas abstracta de la probabilidad. Loharemos a partir de unos principios que aceptaremos como evidentes (a los que llamamos axiomas).Estos axiomas son:

1. Para cada suceso A, su probabilidad es un numero entre 0 y 1, es decir,

0 P (A) 1.

2. P (E) = 1, donde E es el suceso seguro.

3. Si A y B son dos sucesos incompatibles, se tiene que

P (A B) = P (A) + P (B).

A partir de estos axiomas, podemos deducir una gran cantidad de propiedades que cumple laprobabilidad, las mas importantes son:

1. Si denotamos por Ac el suceso complementario de A, se tiene que

P (Ac) = 1 P (A).

Ejercicio 2.3.1 Demostrar esta propiedad a partir de los axiomas anteriores.

2. Si tenemos un conjunto de sucesos A1, A2, ..., An, que son incompatibles dos a dos (Ai Aj = i 6= j), se tiene que

P (n

i=1

Ai) =n

i=1

P (Ai).

Como caso particular, podemos estudiar el caso en el que el conjunto de sucesos A1, A2, ..., Ancumple tambien que

ni=1Ai = E, donde E representa el suceso seguro. En este caso decimos

que el conjunto de sucesos A1, A2, ..., An es un sistema completos de sucesos, y se tiene queni=1 P (Ai) = 1.

17

3. Si el espacio muestral se puede descomponer en n sucesos elementales, pongamos E ={x1, ..., xn}, entonces se tiene que

P (x1) + P (x2) + ...+ P (xn) =n

i=1

P (xi) = 1.

Como caso particular, si la probabilidad de cada suceso elemental es la misma, es decir,P (xi) = 1/n, y A es un suceso compuesto por k sucesos elementales, se tiene que P (A) = k/n,que es nuevamente la regla de Laplace.

4. Si A y B son dos sucesos cualesquiera, se cumple que

P (A B) = P (A) + P (B) P (A B).

Esta propiedad se puede extender al caso de tres sucesos, cumpliendose que

P (A B C) = P (A) + P (B) + P (C) P (A B) P (A C) P (B C) + P (A B C).

Ejemplo 2.3.1 Supon que realizamos el siguiente experimento: escogemos cuatro cartas de la barajadel mus con reemplazamiento. En cada eleccion apuntamos si la carta elegida es figura (sota, caballoo rey) o no lo es y al final anotamos todas las figuras que nos han salido.Consideramos como espacio muestral el numero de figuras que han salido, (0,1,2,3 o 4).

a)Describir los sucesos elementales y calcular sus probabilidades.Los sucesos elementales son

Ai = han salido i figuras, i = 0, 1, 2, 3, 4.Como hay 16 figuras en total se tiene que, aplicando la regla de Laplace, la probabilidad de sacaruna figura al azar en la baraja del mus es 1640 =

25 y la probabilidad de sacar una carta que no sea

figura es 2440 =35 . A partir de eso y haciendo calculos como los realizados anteriormente en este

apartado, se puede ver que las probabilidades de estos sucesos son, respectivamente:

P (A0) =(35

)4, P (A1) = 425

(35

)3, P (A2) = 6

(25

)2(35

)2, P (A3) = 4

(25

)335, P (A4) =

(25

)4.

b) Si B = Ha salido alguna figura, calcula P (B).Tenemos que B = Ac0, as pues, P (B) = P (A

c0) = 1 P (A0) = 1 35

4 = 01296.c) Si C = Han salido tres o mas figuras, calcula P (C).C = A3 A4, y ademas A3 A4 = . Entonces tenemos que P (C) = P (A3 A4) = P (A3) +

P (A4) = 4 (25

)3 35 + ( 25)4 = 01792.2.4. Calculo de probabilidades en casos complejos

2.4.1. Probabilidad condicionada

Volvemos a repartir las cartas. Son repartidas de uno en uno y nuestro turno es el cuarto, es decir,el ultimo. Al primer jugador le ha tocado un rey, al segundo un as y al tercero una sota. Cual es

18

la probabilidad de que nos toque a nosotros un as? Aplicando la regla de Laplace, podemos decirque la probabilidad de que nos toque un as es 737 , debido a que ya han sido repartidas tres cartasy por tanto en la baraja solo quedan 37, y uno de los ases fue a parar al segundo jugador, por loque solo quedan siete en la baraja. Imagina ahora, que ninguno de ellos hubiese recibido un as,cual sera entonces la probabilidad de que nos tocara a nosotros uno? En este caso, quedaranaun los ocho ases en la baraja, y por tanto ahora la probabilidad sera 837 . Pero, y si dos de ellostuvieran un as? Con que probabilidad nos tocara a nosotros otro? En este caso, sera 637 . Comopuedes ver el valor de las probabilidades de que nos toque un as, vara segun las cartas que tengannuestros contrincantes. Es decir, la probabilidad de un suceso puede depender de la informacionque tengamos antes de realizar el experimento. En este caso, la informacion que tenemos previa sonlas cartas de nuestros contrincantes, es decir, sabemos que cartas van a faltar en la baraja cuandonos toque nuestro turno.

En estos casos, es muy sencillo calcular las probabilidades, pero hay otros en los que nos ten-dremos que apoyar en la formula de la probabilidad condicionada.

Volvamos al ejemplo introducido antes. Si llamamos A al suceso Mi carta sera un as y Bal suceso Los tres primeros jugadores han recibido: rey, as y sota respectivamente, nosotrosqueremos calcular P (A), pero sabiendo las cartas que tienen los otros, es decir, sabiendo que se hadado el suceso B. Es decir, queremos calcular la probabilidad del suceso A condicionado a B, y lodenotaremos A/B. Para ello podemos aplicar la formula de la probabilidad condicionada, que dice:

P (A/B) =P (A B)P (B)

.

Por tanto, tendremos que calcular P (AB) y P (B). Para calcular P (B) aplicamos lo aprendidoantes en las extracciones sin reemplazamiento, y con un razonamiento similar obtenemos que

P (B) =840 839 438,

mientras que para que se de AB tiene que ocurrir que los cuatro jugadores reciban un rey, un as,una sota y un as, es decir que

P (A B) = 840 839 438 737.

Por tanto, aplicando la formula de la probabilidad condicionada, tenemos que

P (A/B) =P (A B)P (B)

=840 839 438 737

840 839 438

=737,

como ya sabamos antes.En este caso, podramos haber resuelto la cuestion sin recurrir a la formula de la probabilidad

condicionada, pero en otros casos es necesario utilizarla.

Definicion 2.4.1 La probabilidad de que se de un suceso A condicionado al suceso B, al quedenotamos A/B, es

P (A/B) =P (A B)P (B)

.

19

2.4.2. Independencia de sucesos

Volvamos por un momento un poco atras en nuestras explicaciones y pensemos en el ejemplo quevimos en el apartado de los diagramas de arbol. Si recuerdas, tuvimos que hacer muchas operacionespara calcular las probabilidades pedidas, y eso que ese era un caso de los mas sencillos. Imagina quesi en lugar de dos posibles resultados en cada extraccion (rey o no rey en la primera extraccion y sotao no sota en la segunda) tuviesemos tres, habra en total 9 posibilidades, si hubiera cuatro casosen cada extraccion, tendramos en total 16 posibilidades tras la segunda extraccion. En general,si tenemos n posibles resultados en cada extraccion, despues de dos extracciones tendramos queanalizar n2 casos, lo cual es bastante. Y esto es solo si hablamos de dos extracciones, si fuesen tres,tendramos n3, si fuesen cuatro n4, etc. Lo que queremos decir es que la tecnica del diagrama dearbol, solo es util en casos muy sencillos, en cuanto los numeros se vayan haciendo un poco masgrandes, el arbol se hace casi imposible de dibujar.

Habra alguna forma mas sencilla de calcular la probabilidad de este tipo de sucesos? Pues s,pero antes tenemos que estudiar un concepto nuevo: la independencia de sucesos aleatorios.

Definicion 2.4.2 Dado un experimento aleatorio, y dos sucesos cualesquiera de ese experimento,llamemosles A y B, decimos que esos dos sucesos son independientes si no importa que se de unode ellos para que se cumpla el otro, es decir

P (A/B) = P (A) y P (B/A) = P (B).

De las formulas anteriores, se puede deducir que si dos sucesos son independientes, se tiene que

P (A B) = P (A) P (B).Este resultado es de gran utilidad para el calculo de probabilidades en la repeticion de sucesos

aleatorios. As, si repetimos n veces un experimento, siendo el resultado en cada ocasion indepen-diente de las anteriores, y queremos calcular la probabilidad de que ocurra el suceso Ai en cadarepeticion, i = 1, ..., n, tendremos que la probabilidad de que se den todos esos sucesos, que sera elsuceso interseccion de todos ellos A1 A2 ... An, es

P (A1 A2 ... An) = P (A1) P (A2) ... P (An).Ejemplo 2.4.1 Si elegimos dos cartas de la baraja del mus al azar con reemplazamiento, cualsera la probabilidad de que hayan sido elegidas dos figuras? Y dos cartas que no sean figuras? Yuna de cada tipo?

Si llamamos A al suceso la primera carta es una figura y B al suceso La segunda carta esuna figura, tenemos que el suceso Las dos cartas son figuras, es el suceso A B. Claramenteson sucesos independientes, ya que hemos hecho extracciones con reemplazamiento, y por tanto lascondiciones en ambas extracciones son las mismas. As, tenemos que

P (A B) = P (A) P (B) = 1640 1640.

El suceso Las dos cartas son no figuras, se representa en funcion de los sucesos A y B, dela siguiente manera Ac Bc. Tambien son sucesos independientes. Por tanto, se puede calcular laprobabilidad de este suceso as

P (Ac Bc) = P (Ac) P (Bc) = (1 P (A)) (1 P (B)) = 2440 2440.

20

En el suceso Una carta es figura y la otra no, se representa en funcion de los sucesos A y B,de la siguiente manera Ac B y A Bc, ya que puede ser que la primera sea figura y la segundano y al reves. As, el suceso que queremos estudiar, sera la union de ambos, (Ac B) (A Bc).Por tanto, como son sucesos incompatibles, (disjuntos ya que (Ac B) (ABc) AAc = (Ac B) (A Bc) = ),se puede calcular la probabilidad de este suceso as

P ((AcB)(ABc)) = P (AcB)+P (ABc) = P (Ac) P (B)+P (A) P (Bc) = 2440 1640

+1640 2440.

Puedes ver cual es el suceso mas probable de los tres.

Ejercicio 2.4.1 Considera el siguiente experimento: Elige al azar dos cartas de nuestra baraja conreemplazamiento, es decir, devolviendo a la baraja la primera carta una vez observada y antes derealizar la segunda extraccion. Suma el valor numerico que le da el mus a ambas cartas. Respondea las siguientes preguntas:

a) Describe el espacio muestral, el suceso seguro y un suceso imposible del experimento.b) Calcula la probabilidad de que la suma de las cartas sea 20.c) Calcula la probabilidad de que la suma sea menor o igual que seis.

Ejercicio 2.4.2 Haz lo mismo que en el ejercicio anterior pero suponiendo que elegimos al azarcartas SIN reemplazamiento.

2.4.3. Probabilidad total

Imagina que seleccionamos dos cartas cualesquiera de la baraja, sin reemplazamiento. Observamosla primera carta, y despues la segunda. Cual es la probabilidad de que la segunda carta sea unrey? Con los conocimientos que ya tenemos, facilmente podemos decir que, si la primera carta fueun rey, la probabilidad de que la segunda tambien lo sea es 739 . Sin embargo, si la primera no lo fue,entonces tenemos que la probabilidad de que la segunda carta sea un rey es 839 . Como ves, dependede que tipo de carta fue la primera para poder asegurar algo sobre la segunda. En el apartado dela probabilidad condicionada, partamos con la ventaja de que lo sabamos, sabamos que tipo decarta era la primera. Pero ahora no. Como solucionamos ese problema? Pues teniendo en cuentaambas posibilidades, que la primera carta sea un rey o que no lo sea. Veamos como lo resolvemos:

Consideremos los siguientes sucesos aleatorios:

1. A1 = La primera carta es un rey,

2. A2 = La segunda carta es un rey.

Queremos calcular P (A2). Pues bien, vamos a tener en cuenta si se da A1 o no se da. Como?Dividiendo P (A2) en varias probabilidades que son mas sencillas de calcular. Para ello vamos arecurrir a las propiedades de las operaciones con los sucesos.

Si consideramos a A1 como el suceso complementario de A1, claramente tenemos que

A1 A1 = E, A1 A1 = .As pues, tenemos que

A2 = A2 E = A2 = (A2 A1) (A2 A1).

21

Ademas, como(A2 A1) (A2 A1) = ,

tenemos queP (A2) = P (A2 A1) + P (A2 A1).

Aplicando la formula de la probabilidad condicionada, obtenemos

P (A2 A1) = P (A2/A1) P (A1),y

P (A2 A1) = P (A2/A1) P (A1).Y esas dos probabilidades s las podemos calcular facilmente, aplicando la regla de Laplace y

las tecnicas vistas para las extracciones sin reemplazamiento. As, tendremos que:

P (A2/A1) P (A1) = 739 840,

y

P (A2/A1) P (A1) = 839 3240

= ... = 02.

Como ves, hemos dividido la probabilidad en dos sumando: un primer sumando en dondesuponemos que la primera carta es un rey, A1, y otro en el que suponemos que la primera car-ta no es un rey, A1.

Los sucesos A1 y A1 tienen dos caractersticas muy especiales

A1 A1 = y A1 A1 = E.Esta tecnica la podemos aplicar como regla general:

si tenemos un conjunto A1, A2, ..., An de sucesos incompatibles dos a dos (AiAj = i 6= j),cumpliendo que A1 A2 ...An = E, (si cumplen esas dos condiciones, decimos que ese conjuntoes un sistema completo de sucesos), entonces la probabilidad de un suceso S E es

P (S) = P (A1) P (S/A1) + P (A2) P (S/A2) + ...+ P (An) P (S/An),que es la llamada formula de la probabilidad total.

La parte mas difcil a la hora de aplicar esta formula, es escoger bien el sistema completo desucesos, ya que una mala eleccion solo nos provocara mas dificultades en la resolucion del problema.Se tendran que estudiar cuales son los sucesos que nos convienen, porque una mala eleccion de elsistema completo de sucesos no nos ayudara a resolver el problema.

Ejercicio 2.4.3 Halla la probabilidad, en el mismo experimento que planteamos al principio de laseccion, de que la segunda carta no sea una figura.

Ejercicio 2.4.4 Planteemos el siguiente ejercicio: repartimos tres cartas de la baraja del mus.Calcula, eligiendo un adecuado sistema completo de sucesos y aplicando la formula de la probabilidadtotal, la probabilidad de que la tercera carta sea un as.

Cual es la probabilidad de que la tercera carta no sea un as?Indicacion: escoger como sistema completo de sucesos el numero de ases que hayan salido entre lasdos primeras cartas.

22

2.4.4. Teorema de Bayes

Pongamonos en la situacion planteada anteriormente como ejemplo. Sacabamos dos cartas seguidassin reemplazamiento. Se nos puede plantear una nueva pregunta: sabiendo que la segunda carta fueun rey, cual es la probabilidad de que la primera tambien lo fuera? Esta pregunta puede parecersimilar a la que planteabamos en la anterior seccion, pero tiene una gran diferencia: en este caso,ya hemos realizado el experimento completo (hemos visto la segunda carta) y nos preguntamosque carta era la primera. Es decir, si llamamos a los sucesos A1 y A2 como antes, queremos calcular

P (A1/A2).

Aplicando la formula de la probabilidad condicionada, obtenemos que

P (A1/A2) =P (A1 A2)P (A2)

.

Y desarrollando el denominador segun la formula de la probabilidad total y aplicando de nuevola formula de la probabilidad condicionada en el numerador, obtenemos que

P (A1/A2) =P (A2/A1) P (A1)

P (A2/A1) P (A1) + P (A2/A1) P (A1).

El calculo sera sencillo a partir de los que realizamos en la anterior seccion, as, tenemos que

P (A1/A2) =739 840

15

=739.

En general, la formula de Bayes se obtiene de la siguiente forma:dado un Sistema Completo de Sucesos A1, A2, ..., An y un suceso cualquiera S, queremos calcular

la probabilidad de que se de el suceso Ai, sabiendo que al hacer el experimento, se dio el suceso S,es decir, calcular P (Ai/S). Por el mismo razonamiento de antes se tiene que:

P (Ai/S) =P (Ai S)P (S)

=P (S/Ai) P (Ai)ni=i P (S/Ai) P (Ai)

,

donde P (Ai) es la probabilidad a priori del suceso Ai (se sabe antes de realizar el experimento) yP (Ai/S) su probabilidad a posteriori, pues se calcula una vez realizado el experimento.

Al igual que dijimos en la seccion dedicada a la probabilidad condicionada, para aplicar cor-rectamente la regla de Bayes, hay que elegir un adecuado sistema completo de sucesos, que sera laparte mas difcil del problema.

Ejercicio 2.4.5 Al sacar dos cartas de la baraja del mus sin reemplazamiento, calcula la probabil-idad de que la primera carta fuera un siete sabiendo que la segunda es una sota.

Ejercicio 2.4.6 Sacamos cuatro cartas al azar. Sabemos que la carta que salio en cuarto lugar esun as. Cual es la probabilidad de que la primera tambien lo fuera? Y de que la primera fuera unasota?

Nota: hay que elegir dos sistemas completos de sucesos diferentes para responder a cada pregunta.

23

2.5. Resolucion de la pregunta inicial

Decamos que los cuatro amigos haban echado una partida, y haban obtenido 8 parejas de reyes,seis medias de ases o reyes y cinco duplex. Discutan cual de esas tres jugadas era mas probable queocurriera y no se ponan de acuerdo. Por eso, vamos a ayudarles. Denotaremos a esos tres sucesosas:

RR = Sacar una pareja de reyes.

M = Sacar una media de ases o de reyes.

D = Sacar un duplex cualquiera.

Vamos a calcular sus diferentes probabilidades y veremos cual es mas posible que salga.

Comencemos por calcular la probabilidad de obtener una pareja de reyes, es decir, P (RR).Veamos, para obtener esa pareja tenemos que tener dos reyes (obviamente) y de las otras dos,ninguna puede ser un rey pues si no tendramos una media o un duplex de reyes, ni tampocopueden ser iguales entre s, pues si no tendramos un duplex de reyes y las otras cartas.

Tendremos que distinguir dos casos, uno en el que una de las cuatro cartas es un as y otro en elque no, debido a que el numero de ases es diferente al numero de las otras cartas.

As, si denotamos el suceso B = Sacar un as, aplicando el teorema de la probabilidad totaltenemos que

P (RR) = P (RR/B) P (B) + P (RR/B) P (B) = P (RR B) + P (RR B).

Si denotamos por A un as y a C y C cartas distintas de reyes o ases y tambien entre s, tenemosque una pareja de reyes podra ser:

(R,R,A,C),

si sale algun as o(R,R,C,C ),

si no tenemos ningun as, y que las cartas (R,R,A,C) y todas sus posibles variaciones de orden,representan al suceso RR B mientras que la combinacion (R,R,C,C ) y todas sus variaciones deorden representan al suceso RR B.

Comencemos calculando la probabilidad de que se de el reparto de cartas (R,R,A,C) en esemismo orden, despues calcularemos cuantas posibles reordenaciones hay, y como son todas equiprob-ables, solo tendremos que multiplicar la probabilidad obtenida por el numero de variaciones.

Calculemos P (R,R,A,C). La probabilidad de que la primera carta sea un rey es 840 , de que lasegunda tambien lo sea es 739 . La probabilidad de que la tercera carta sea un as es

838 , mientras que

la probabilidad de que la cuarta carta sea una diferente a rey o as es 2437 . Por tanto tenemos que

P (R,R,A,C) =840 739 838 2437.

24

Calculemos la probabilidad de una variacion de orden en esas cartas, para ver que en efecto sonequiprobables. Por ejemplo,

P (A,R,C,R) =840 839 2438 737

=840 739 838 2437

= P (R,R,A,C).

Lo mismo se podra hacer con todas las variaciones, pero creemos que queda suficientemente claroque son equiprobables.

Una vez hallada la probabilidad de uno de ellos, calculemos el numero total de variaciones deorden de esa combinacion de cartas.

Tenemos una variacion de cuatro cartas en las que se repiten dos. Recordemos que la formulageneral de las variaciones con repeticion de n elementos en los que hay n1 elementos de una clase,n2 elementos de otra,... y nk de otra es

V nn1...nk =n!

n1! n2! ... nk! .

Por tanto, en nuestro caso tenemos que

P (R,R,A,C) =4!

2!1!1!=

242

= 12.

As pues, tenemos que

P (RR B) = 12 840 739 838 2437.

Para obtener P (RR B) vamos a seguir un proceso analogo. Lo primero que vamos a hacer escalcular P (R,R,C,C ). Utilizando como antes la regla de Laplace carta a carta, obtenemos que

P (R,R,C,C ) =840 739 2438 2037.

De nuevo todas sus variaciones son equiprobables y tambien otra vez, tenemos que hay 12 posiblesreordenaciones, ya que vuelven a ser variaciones con repeticion de 4 elementos de los que se repitendos. As pues, vuelve a haber 12 posibles reordenaciones, todas ellas equiprobables y por tanto, laprobabilidad de obtener una pareja de reyes sin ningun as es

P (RR B) = 12 840 739 2438 2037

As pues, aplicando la formula de la probabilidad total tenemos que

P (RR) = P (RR B) + P (RR B) = 12 840 739 838 2437

+ 12 840 739 2438 2037

= 0255.

Calculemos ahora P (M). La media puede ser de reyes o de ases. Es decir, la primera carta puedeser un rey o un as. La segunda tendra que ser un rey si la primera tambien lo era o un as si laanterior era otro as. Con la tercera pasa lo mismo mientras que la cuarta carta no puede ser iguala las anteriores, pues si no tendramos un duplex y no una media. As pues, la probabilidad deobtener una media de ases o reyes es

840 739 638 3237

+840 739 638 3237

=1640 739 638 3237,

25

y son todas equiprobables. Notar que el primer sumando corresponde a la probabilidad de obteneruna media de reyes y el segundo a la probabilidad de obtenerla de ases. Ademas son sucesosincompatibles, por lo que se pueden sumar sus probabilidades para obtener el resultado.

Para averiguar el numero de posibles reordenaciones, recurrimos otra vez a la formula de lasvariaciones con repeticion. En este caso, tenemos cuatro elementos en los que se repiten tres delmismo tipo y el otro es desigual. Es decir tenemos V 43,1 =

4!3! = 4 posibles reordenaciones de las

mismas cartas.Y multiplicando la probabilidad de una de ellas por todas sus posibles reordenaciones, tenemos

que

P (M) = 41640 739 638 3237

= 0039.

Por ultimo, vamos a calcular la probabilidad de obtener un duplex cualquiera en el reparto delmus. Para ello, vamos a dividir el suceso sacar un duplex cualquiera en los diferentes duplex quepodemos obtener segun si tienen reyes, ases o los dos.

As pues podemos obtener los siguientes duplex:

1. Reyes-Ases (R,R,A,A). P (R,R,A,A) = 840 739 838 737 . Tenemos variaciones de cuatroelementos que son iguales dos a dos, es decir, V 42,2 =

4!2!2! = 6 posibles reordenaciones. Por

tanto, la probabilidad de obtener un duplex de reyes ases es

6 840 739 838 737.

2. Un duplex de reyes y otra carta que no sea ni rey ni as, (R,R,C,C). P (R,R,C,C) = 840 739 2438 337 . En este caso volvemos a tener V 42,2 = 4!2!2! = 6 variaciones, por lo que la probabilidadde obtener este tipo de duplex es

6 840 739 2438 337.

3. Un duplex de ases y otra carta que no sea ni rey ni as, (A,A,C,C). P (A,A,C,C) = 840 739 2438 337 . En este caso volvemos a tener V 42,2 = 4!2!2! = 6 variaciones, por lo que la probabilidadde obtener este tipo de duplex es

6 840 739 2438 337.

4. Reyes-Reyes (R,R,R,R). Tenemos que P (R,R,R,R) = 840 739 638 537 y como todas las cartasson iguales, tenemos una unica posible ordenacion, por lo que la probabilidad de obtener unduplex de reyes-reyes es

840 739 638 537.

5. Ases-Ases (A,A,A,A). Tenemos que P (A,A,A,A) = 840 739 638 537 y como todas las cartasson iguales, tenemos una unica posible ordenacion, por lo que la probabilidad de obtener unduplex de ases-ases es

840 739 638 537.

26

6. El suceso obtener un duplex de cartas que no sean ni ases ni reyes y distintas entre s sepuede representar como (C,C,C,C), y P (C,C,C , C ) = 2440 339 2038 337 . En cuanto a las posiblesreordenaciones, volvemos a tener V 42,2 =

4!2!2! = 6. Por tanto, la probabilidad de obtener este

tipo de duplex es

6 2440 339 2038 337.

7. El ultimo duplex posible es el formado por cuatro cartas iguales y distintas de ases o reyes, esdecir, una combinacion como (C,C,C,C). La probabilidad de que se de es 2440 33 238 137 y comolas cuatro cartas son iguales, solo tenemos una posible ordenacion. Por tanto, la probabilidadde obtener este duplex es

2440 33 238 137.

Estos sucesos que hemos enumerado, los diferentes duplex, son todos ellos disjuntos y su unionda lugar al suceso D = sacar un duplex cualquiera. Por tanto, P (D) sera igual a la suma de lasprobabilidades obtenidas para los duplex anteriores. Efectuando calculos, resulta que

P (D) = 0035.

En definitiva, tenemos que

P (RR) = 0255, P (M) = 0039, P (D) = 0035,

es decir, claramente la pareja de reyes es el suceso mas probable de los tres, mientras que los sucesossacar una media de reyes o ases y sacar un duplex cualquiera estan bastante igualados, aunquecon un poco mas de probabilidad se dara el primero de ellos.

Con estos calculos, hemos podido dar respuesta a la pregunta que se hacan los amigos al terminarsu partida. Como ves, aunque es mucho mas probable sacar una pareja de reyes que un duplex,esa proporcion no se ha visto reflejada en la realidad, esto es debido a que cuando decimos que unsuceso es mas probable que otro, no queremos decir que siempre se va a dar en mas ocasiones que elmenos probable, sino que teoricamente tiene mas posibilidades de ocurrir. Esa es la gran diferenciaexistente entre teora y practica.

27

Captulo 3

Distribuciones de probabilidadunidimensionales

3.1. Objetivos

Conocer el concepto de distribucion de probabilidad y su motivacion.

Calcular la funcion de densidad y la funcion de distribucion de una distribucion de probabil-idad.

Entender el concepto de moda, esperanza y varianza de una distribucion de probabilidaddiscreta, as como poder calcularlas a partir de la funcion de densidad o de la funcion dedistribucion.

3.2. El ejemplo

Un inversor bursatil tiene a su disposicion 1.000.000 de euros para invertir en bolsa. Se esta plante-ando dos opciones:

invertirlo todo a plazo fijo, con lo que se asegurara un beneficio fijo del 16%,

arriesgarse a un plan de inversiones.

Segun el estudio de un analista de bolsa, ese plan de inversiones da los siguientes beneficiosexpresados en tanto por ciento:

28

Beneficio (%) Probabilidad30 01525 0220 02515 01510 015 010 005

El inversor tiene que decidir que hacer con su dinero. Se pueden plantear dos preguntas:El inversor se fa mucho del concepto de ganancia esperada (el dinero que ganara en prome-

dio si invirtiera muchas veces), que decidir teniendo en cuenta la ganancia esperada del plan deinversiones, y en pro de obtener un mejor beneficio?

Otra opcion es: el inversor no se quiere arriesgar mucho y dice que quiere obtener al menos el16% de beneficio con el 70% de probabilidad. Que debe hacer en ese caso?

Resolveremos este problema, apoyandonos en las distribuciones de probabilidad, concepto queintroduciremos previamente.

3.3. Introduccion. Variable aleatoria discreta y distribucionesde probabilidad

Anteriormente, hemos estudiado como asignar probabilidades a distintos sucesos aleatorios, perotodos ellos de forma particular. En este captulo, veremos metodos generales que luego particu-larizaremos para cada caso.

Como puedes comprobar, en el ejemplo nos han dado una tabla con las probabilidades deobtener los diferentes beneficios tras el plan de inversiones. Con ayuda de esa tabla vamos a decidirque hacer con el dinero. Antes de nada, tenemos que recordar que las conclusiones que vamos aobtener son teoricas. Puede que decidamos algo y despues el azar, porque las preguntas enunciadasen el ejemplo dependen del azar, nos quite la razon y eche por tierra todos nuestros calculos. Aunas, la probabilidad nos dara una idea aproximada de como ira la ganancia.

Comencemos a analizar el problema.

Definamos el concepto de variable aleatoria discreta.En nuestro problema tenemos planteado un experimento aleatorio, el beneficio que obtenemos

al meter el dinero en el plan de inversiones. Tras el experimento aleatorio podemos obtener variosbeneficios diferentes en cada caso. Bien, esos posibles beneficios seran los resultados de nuestroexperimento aleatorio.

As pues, si denotamos por

X = beneficio obtenido al llevar a cabo el plan de inversiones,

29

decimos que X es una variable aleatoria discreta y los posibles valores que puede tomar estavariable son los resultados.

En este caso la variable aleatoria X puede tomar siete resultados o valores (los diferentes benefi-cios) que denotaremos con la letra x y un subndice en cada caso. Es decir, tenemos que la variablealeatoria discreta X puede tomar los valores x1, x2, x3, x4, x5, x6, x7 donde

1. x1 = 0 = P (X = x1) = 005,2. x2 = 5 = P (X = x2) = 01,3. x3 = 10 = P (X = x3) = 01,4. x4 = 15 = P (X = x2) = 015,5. x5 = 20 = P (X = x5) = 025,6. x6 = 25 = P (X = x6) = 02,7. x7 = 30 = P (X = x7) = 015.Al conjunto de los valores que puede tomar una variable aleatoria discreta y sus respectivas

probabilidades, lo llamamos distribucion de probabilidad discreta. En nuestro ejemplo tenemos lasiguiente distribucion de probabilidad:

P (X = x1) = 005, P (X = x2) = 01, P (X = x3) = 01, P (X = x4) = 015,

P (X = x5) = 02, P (X = x6) = 025, P (X = x7) = 015.

Logicamente, la suma de todas las probabilidades tiene que ser igual a 1. Esto deriva del hechode que si una variable aleatoria discreta toma sus valores en el conjunto {x1, ..., xn}, es decir lavariable aleatoria tomara SEGURO uno de esos valores, es decir,

P (X {x1, ..., xn}) = 1,pues pase lo que pase la variable cogera uno de esos valores y eso es precisamente lo que definamoscomo suceso seguro, y como son sucesos disjuntos, es decir, la variable aleatoria X no puede tomardos valores diferentes a la vez, tenemos que

P (X = x1) + ...+ P (X = xn) = P (X = x1 ... X = xn) = P (X {x1, ..., xn}) = 1.As pues, definiremos una variable aleatoria discreta y su distribucion de probabilidad como

sigue:

Definicion 3.3.1 Una variable aleatoria es una aplicacion que toma sus valores segun el resultadode un experimento aleatorio.

Decimos que X es una variable aleatoria discreta, si puede tomar sus valores dentro de unconjunto x1, x2, ..., xn, ... que se pueda contar (finito o infinito), con probabilidades respectivas

30

P (X = x1), P (X = x2), ..., P (X = xn), ... y cumpliendose que 0 P (X = xn) 1, n yi=1 P (X = xi) = 1.Las probabilidades dadas anteriormente forman una distribucion de probabilidad para la variable

X, es decir, la distribucion de probabilidad de la variable aleatoria X es la funcion que asigna acada uno de sus posibles valores la probabilidad con la que este es tomado.

En nuestro estudio de variables aleatorias discretas, profundizaremos en aquellas variables quesolo pueden tomar un conjunto finito de valores, como por ejemplo la situacion que planteamos alprincipio del captulo, solo siete posibilidades.

Como resumen de esta seccion recordemos que variable aleatoria tenemos en el problema y cuales su distribucion de probabilidad:

la variable aleatoria es X = el beneficio tras llevar a cabo el plan de inversiones y su distribu-cion de probabilidad es:

P (X = x1) = 005, P (X = x2) = 01, P (X = x3) = 01, P (X = x4) = 015,

P (X = x5) = 02, P (X = x6) = 025, P (X = x7) = 015,

donde x1 = 0, x2 = 5, x3 = 10, x4 = 15, x5 = 20, x6 = 25 y x7 = 30.

3.4. Funcion de Distribucion

Si te has dado cuenta, antes hemos asociado a los sucesos x1, ..., x7 con los diferentes beneficiosde una forma especial, en un orden creciente, es decir, al x1 le asociamos el mas pequeno, el 0, alx2 le asociamos el 5,... y al x7 le asociamos el mas grande, el 30.

Eso se ha hecho as no por casualidad, sino porque nos va a servir para definir una nuevafuncion relacionada con la variable aleatoria X y que la caracterizara unvocamente, la funcion dedistribucion que definiremos mas adelante.

Antes de eso vamos a responder a la segunda pregunta del problema. El inversor quiere que laprobabilidad de obtener al menos el 16% de beneficio sea superior a 07 en el plan de inversiones.Si eso no es as, metera todo su dinero a plazo fijo donde se asegurara el 16% de beneficios.

Es decir, en terminos de nuestra variable aleatoria, quiere que P (X > 16) 07. Como calcu-lamos esto? Muy facil, cogemos los posibles valores que puede tomar la variable aleatoria discretaX y sumamos sus probabilidades. En nuestro problema tenemos que

P (X > 16) = P (X = 20) + P (X = 25) + P (X = 30)

= P (X = x5) + P (X = x6) + P (X = x7) = 025 + 02 + 015 = 06.

Por tanto, en nuestro problema de inversiones, tenemos que la probabilidad de obtener unbeneficio superior al 16% es solo del 06, frente al 07 que se quera asegurar el inversor. Por tantodeberamos aconsejar al inversor que no llevara a cabo el plan de inversiones y metiera el dinero aplazo fijo donde s obtendra seguro ese 16%.

31

Vamos a definir ahora esa funcion de la que hablabamos antes y que nos caracterizara nuestravariable aleatoria de forma unvoca. Ademas, con esa funcion tambien podremos dar respuesta ala pregunta que respondamos antes. Esa funcion es la funcion de distribucion (FDD). Pasemos adefinirla:

Definicion 3.4.1 Si tenemos los posibles valores que puede tomar una variable aleatoria discretaX ordenados de forma creciente, x1, ..., xn definimos la funcion

F : R [0, 1],de la siguiente manera

F (x) = P (X x), x R.Para un valor posible de X, xi, tenemos que P (X xi) = P (X = x1) + P (X = x2) + ...+ P (X =xi), por tanto P (X x) para un x cualquiera de R, tendremos que P (X x) sera la suma de lasprobabilidades de todos los xi menores o iguales que x, es decir,

P (X x) =xix

P (X = xi).

As pues, en el ejemplo del plan de inversiones tenemos que F es:

Si x < 0, F (x) = 0, pues no hay ningun xi < 0.

Si x [0, 5), F (x) = P (X = x1) = 005.Si x [5, 10), F (x) = P (X = x1) + P (X = x2) = 005 + 01 = 015.Si x [10, 15), F (x) = P (X = x1) + P (X = x2) + P (X = x3) = 005 + 01 + 01 = 025.Si x [15, 20), F (x) = P (X = x1) + P (X = x2) + P (X = x3) + P (X = x4) =005 + 01 + 01 + 015 = 04.

Si x [20, 25), F (x) = P (X = x1) + P (X = x2) + P (X = x3) + P (X = x4) + P (X =x5) = 005 + 01 + 01 + 015 + 02 = 06.

Si x [25, 30), F (x) = P (X = x1) + P (X = x2) + P (X = x3) + P (X = x4) + P (X =x5) + P (X = x6) = 005 + 01 + 01 + 015 + 02 + 025 = 085.

Si x 30, F (x) = P (X = x1) + P (X = x2) + P (X = x3) + P (X = x4) + P (X =x5) + P (X = x6) + P (X = x7) = 005 + 01 + 01 + 015 + 02 + 025 + 015 = 1.

En resumen, podemos expresar la funcion F como sigue:

F (x) =

0 si x < 0,005 si 0 x < 5,015 si 5 x < 10,025 si 10 x < 15,04 si 15 x < 20,065 si 20 x < 25,085 si 25 x < 30,1 si x 30.

32

Como puedes ver, tenemos que definir la funcion de distribucion de una variable aleatoria discretaa trozos, y los saltos de continuidad estan en los puntos donde la probabilidad es estrictamentepositiva.

La funcion F nos sirve para calcular la probabilidad de que una variable aleatoria tome valoresmenores o iguales a uno dado. As pues podemos calcular la probabilidad que nos peda el prob-lema utilizando esta funcion y las propiedades de la probabilidad del suceso complementario de lasiguiente manera:

P (X > 16) = 1 P (X 16) = 1 F (16) = 1 04 = 06,tal y como calculamos antes.

Notar que hemos utilizado que el suceso complementario de que X > 16 es el suceso X 16.La funcion de distribucion de una variable aleatoria discreta tiene unas caractersticas especiales,

que son:

1. lmx0

F (x) = 0.

2. lmx+F (x) = 0.

3. F es creciente en todo R.

4. F es continua a la derecha en todo R, es decir,

lmxx0

F (x) F (x0) = 0, x0 R.

Ademas, los puntos de discontinuidad por la izquierda seran los puntos donde la variablealeatoria discreta asociada a esta funcion puede tomar sus valores.

Si te fijas en la funcion de distribucion que hemos hallado, cumple todas las condiciones, ademaslos puntos de discontinuidad son 0, 5, 10, 15, 20, 25 y 30, que son efectivamente los puntos en dondela variable aleatoria discretaX puede tomar sus valores, segun el estudio que ha realizado el analista.Todo esto sera teorico, pues es facil pensar que esta variable podra tomar otros valores.

Por otro lado, si tenemos una funcion que cumpla las condiciones descritas arriba, podremosdecir que es una funcion de distribucion asociada a una variable aleatoria discreta.

Si por el contrario una funcion no verifica alguna de las cuatro condiciones especificadas arriba,quedara automaticamente descartada como funcion de distribucion.

3.5. La Moda

Tal y como ocurre en la vida real, la moda en una variable aleatoria es el valor que mas se repite.Cuando se dice que una clase de ropa esta de moda, queremos expresar que hay mucha gente quese la pone, es decir, si cogemos a una persona al azar, esta llevara puesta esa ropa con mayorprobabilidad que cualquier otra prenda de vestir. Analogamente, si una variable aleatoria tomavalores dentro del conjunto {x1, x2, ..., xn}, la moda sera aquel xi que de el maximo en la funcionde probabilidad.

En el ejemplo del inversor, el beneficio que mas se repite en el plan de inversiones, es decir, elque tiene una mayor probabilidad de ocurrir, es obtener el 20% de beneficio. Decimos entonces, queese valor de la variable es la moda de la distribucion.

33

3.6. La Esperanza

Ahora vamos a responder a la primera pregunta del problema. El inversor quera conocer el valoresperado de beneficios a plazo fijo para despues decidir que hacer con el dinero. Metiendo el dineroa plazo fijo, el beneficio esperado es facil de calcular, pues como hay una sola posibilidad (ganarel 16%) esa es la que se dara. Sin embargo, en el plan de inversion propuesto, no tenemos esaseguridad. Por eso hablaremos de esperanza, valor esperado, beneficio esperado, media, etc.

La esperanza es una medida que nos proporciona una aproximacion de el promedio que cabeesperar que ocurra en un experimento tras un numero grande de repeticiones. En un juego, laesperanza sera el valor que esperamos ganar (o perder) despues de un numero elevado de apuestas.

Es una media teorica que nos indica el valor promedio que cabra esperar al realizar el experi-mento aleatorio un numero elevado de veces.

Si en una distribucion de frecuencias definamos la media aritmetica como

x =n

i=1

xifi,

donde xi son los valores que puede tomar la variable y fi son sus respectivas frecuencias relativas, enuna distribucion de probabilidad sustituimos la frecuencia relativa de cada valor por su probabilidad.

Definicion 3.6.1 La media o esperanza matematica de una variable aleatoria X que toma susvalores en un conjunto {x1, ..., xn} con probabilidades respectivas {p1, ..., pn}, (es decir, P (X =xi) = pi, i {1, 2, ..., n}) , a la que llamaremos o EX, se calcula mediante la expresion

EX = =n

i=n

xipi.

As pues, en nuestro problema el beneficio esperado al llevar a cabo el plan de inversiones es:

=7

i=1

xiP (X = xi)

= 0 005 + 5 01 + 10 01 + 15 015 + 20 025 + 25 02 + 30 015 = 1825.Es decir, el beneficio esperado que obtendremos llevando a cabo el plan de inversiones es el

1825%, superior al 16% que nos ofrece el mercado de valores.Claramente el inversor que confe en el valor esperado arriesgara y llevara a cabo el plan de

inversiones en pro de obtener un mayor beneficio.

3.7. La Varianza

Supongamos ahora que un inversor quiere conocer un intervalo en el cual se movera, con una altaprobabilidad, el beneficio que obtendra en el plan de inversiones. Como podemos calcular uno?En este apartado ofreceremos herramientas para poder construir un intervalo con esas propiedades,

34

aunque antes hay que decir que este es muy simple y por ello no muy fiable. Para obtener intervalosmas fiables habra que estudiar inferencia estadstica. Pero eso es otro tema diferente.

Hay veces en las que los posibles valores de una variable aleatoria discreta estan muy esparcidosy lejos de la media. Es logico pensar que si los valores estan todos mas o menos cercanos a la media,entonces una gran parte de los valores de la variable estaran en un entorno reducido del valoresperado. Gracias a esta nueva medida, la varianza, daremos un intervalo en el cual se movera conuna cierta seguridad el beneficio que obtendremos al llevar a cabo el plan de inversiones.

Para medir el grado de concentracion de los valores de una variable en torno a su media,utilizaremos la varianza. La varianza es una medida que nos indica lo alejados que estan los valoresrespecto de la media. Por tanto, sera logico pensar que utilizaremos expresiones como (xi )2,dado que este numero nos indica la distancia existente entre el posible valor xi y la media de ladistribucion . Luego sumaremos todas esas desviaciones y obtendremos una medida de la desviaciontotal que sufren los valores de la variable.

Tambien habra que tener en cuenta que en la formula de la varianza tendremos que dar unvalor o peso a cada una de las probabilidades de los posibles valores de la variable, y que esepeso debera ser proporcional a la distancia que separa a dicho valor de la media o esperanza de lavariable. Para aclararnos un poco veamos la definicion de varianza.

Definicion 3.7.1 Dada una variable aleatoria discreta que toma valores en el conjunto x1, ..., xncon probabilidades respectivas p1, ..., pn, se define la varianza de la variable aleatoria discreta X, yla denotamos por 2, como

2 =n

i=1

(xi )2pi.

Como puedes ver, al multiplicar cada uno de los cuadrados por las probabilidades pi, estamosdando mas valor en la formula a las distancias de los valores mas probables de ser tomados por lavariable X.

Hay otra manera de calcular la varianza de una distribucion de probabilidad. Veamos como seobtiene a partir de la definicion de varianza:

2 =n

i=1

(xi )2pi,

por la definicion anterior, si desarrollamos el cuadrado dentro del sumatorio, nos quedara:

n1=1

(x2i + 2 2xi)pi =

ni=1

x2i pi +n

i=1

2pi n

i=1

2xipi.

Si ahora separamos el sumatorio en tres, nos quedara

ni=1

x2i pi +n

i=1

pi n

i=1

2xipi.

Operando en el segundo y tercer sumatorio, podemos sacar la fuera, ya que es constante, y nosquedara

ni=1

x2i pi + 2

ni=1

pi 2n

i=1

xipi.

35

Como X es una variable aleatoria y los pi son su distribucion de probabilidad, tenemos queni=1 pi = 1 y, por la definicion de esperanza, sabemos que

ni=1 xipi = , por tanto, sustituyendo

en la expresion anterior, tendremos que

ni=1

x2i pi + 2 2 =

ni=1

x2i pi 2,

que es una formula mas sencilla a la hora de hacer calculos a mano.Por tanto, podemos decir que

2 =n

i=1

x2i pi 2.

Entre las propiedades mas importantes de la varianza, cabe destacar que, por su propia defini-cion, es una medida positiva, es decir, 2 0 siempre.

Vamos a practicar calculando la varianza de la distribucion de probabilidad del beneficio queobtendremos al invertir el dinero en el plan de inversiones descrito.

Recordemos que nuestra distribucion de probabilidad era:

P (X = x1) = 005, P (X = x2) = 01, P (X = x3) = 01, P (X = x4) = 015,

P (X = x5) = 02, P (X = x6) = 025, P (X = x7) = 015,

donde x1 = 0, x2 = 5, x3 = 10, x4 = 15, x5 = 20, x6 = 25 y x7 = 30.As pues, por la formula de la varianza tenemos que

2 =7

i=1

x2i pi 2 =

= 0 005 + 25 01 + 100 01 + 225 015 + 400 025 + 625 02 + 900 015 333625 = 731775.Pero este valor no nos servira para calcular el intervalo del que hablabamos antes, ya que es

una medida que expresa las unidades de la media o esperanza al cuadrado, por lo que no se puedenrestar. Para solucionar ese problema definimos otra nueva medida que sera la raz cuadrada positivade la varianza y a la que llamaremos desviacion tpica.

= +2.

En nuestro ejemplo tenemos que = 855.As pues, diremos que con una cierta probabilidad, mayor o menor segun el caso, el valor que

tome la variable aleatoria discreta X estara en el intervalo ( , + ).En nuestro ejemplo ese intervalo es (97, 268). Como ves es un intervalo bastante amplio y

para nuestro ejemplo no muy util, debido a que podamos haber calculado un intervalo mucho masacertado a ojo y sin necesidad de hacer tantos calculos.

Volvemos a recordar que este intervalo es solo un primer contacto con lo que mas adelantellamaremos intervalos de confianza, que seran mucho mas complejos y a la vez mas fiables y certeros.

Tambien hay que citar, que al igual que en las variables estadsticas, la varianza de dos variablesaleatorias no se puede comparar, ya que los valores que tomen las dos variables no tienen porque estar expresadas en las mismas unidades. Una sencilla manera de comparar las dos variables

36

en ese sentido, es mediante el coeficiente de variacion, que se define como CV = , 6= 0, donde = +

2 (la desviacion tpica) y es la media de la variable aleatoria. Esta medida s se puede

comparar ya que es adimensional.

3.8. Resumen del problema inicial

Simplemente recordaremos los resultados. Despues del estudio realizado concluimos que:

Si nos tenemos que basar en el valor esperado del plan de inversiones, nos decantaramos poreste en lugar de la inversion a plazo fijo.

Cuando nos pedan que consiguieramos con una seguridad del 70% un beneficio superior al16% en el plan de inversiones, no la podamos dar, por lo que aconsejamos al inversor quemetiera su dinero a plazo fijo.

En cuanto al intervalo en el que se movera el beneficio con una cierta seguridad, dimos unomuy sencillo pero que nos dara ideas para, en el futuro, construir mejores y mas precisosintervalos.

37

Captulo 4

Un ejemplo de distribucionaleatoria discreta: la binomial

4.1. Objetivos

Conocer los experimentos aleatorios con dos unicos posibles resultados: experimentos deBernoulli.

Calcular la funcion de densidad, funcion de distribucion, esperanza y varianza de una variablealeatoria que se distribuya segun una Bernoulli.

Manejar la distribucion Binomial y ser capaz de calcular sus caractersticas a partir de las dela Bernoulli (funcion de densidad, funcion de distribucion, esperanza y varianza).

Distinguir los fenomenos de azar que se rigen segun una distribucion binomial y modelarlospara que se ajusten a los parametros de dicha distribucion.

4.2. El ejemplo

La mayora de los humanos, tienen la mano derecha mejor desarrollada para las actividadesque requieren una cierta sensibilidad, como puede ser escribir, comer, etc. Son las llamadas per-sonas diestras. Sin embargo hay otra parte de la humanidad que tiene mayor sensibilidad, desdesu nacimiento, en la mano izquierda, son los zurdos. Esas personas utilizan la mano izquierda paradesempenar las actividades descritas antes (escribir, comer, etc.). Al igual que pasa con las manos,los zurdos, como regla general, manejan mejor su pierna izquierda, cosa que se puede observar enun deporte como el futbol, en el que hay dos tipos de jugadores muy diferenciados: los zurdos y losdiestros.

38

A pesar de que muchos millones de personas en el mundo son zurdas, siguen teniendo problemasaun no resueltos en el uso de ciertos artilugios que estan pensados para el uso de personas diestras,como son cierto tipo de abrelatas, las tijeras, los bolgrafos de secado no rapido,... y otro que esel que vamos a tratar: hay muchos institutos que utilizan sillas de pala para que sus alumnos denclases o realicen examenes, cosa que es bastante complicada para un alumno zurdo.

Por esa razon, se ha planteado el poner un cierto numero de sillas de pala en cada aula, paraque los alumnos zurdos puedan utilizarlas sin las dificultades que les ocasionaran las pensadas paralos diestros. As, a partir de los datos de los cuestionarios pasados en nuestra clase, vamos a darrespuesta a las siguientes preguntas:

1. Cuantas sillas, como mnimo, de cada tipo habra que poner en una clase de 30 alumnos paraque el numero esperado de zurdos tenga a su disposicion una silla y el numero de diestrostenga la suya?

2. Cuantas sillas, como mnimo, de zurdos habra que poner para que con probabilidad 09, esdecir, en el 90% de los casos, no hubiese ningun zurdo sin su correspondiente silla?

3. Cual es el porcentaje de clases de 30 alumnos en las que hay al menos 10 zurdos?

De momento, no respondas a esas preguntas, ya que seras capaz de hacerlo con exactitud al finaldel tema.

4.3. Introduccion

Si no se ha podido rellenar la encuesta, supondremos que el 10% de la poblacion es zurda.Para resolver este problema vamos a desarrollar los contenidos poco a poco, paso a paso. La

primera pregunta que nos puede surgir es: cual es la probabilidad de que un alumno elegido al azarsea zurdo? Claramente podemos contestar que esa probabilidad es 01, en el caso de que supongamosque el 10% de la poblacion es zurda.

Si planteamos el experimento aleatorio elegir un alumno de un instituto al azar y observar sies zurdo o no podemos profundizar mas en el, debido a que esta muy bien estudiado.

Tras este tipo de experimentos solo hay lugar para dos posibles resultados: ser zurdo o no.A esos dos posibles resultados en general les llamaremos exito (E) y fracaso (F ). En nuestro

ejemplo consideraremos exito al hecho de que un alumno sea zurdo, y fracaso que sea diestro. Esdecir:

E = El alumno elegido es zurdo.

F = El alumno elegido no es zurdo.

Como regla general, denotaremos por p = P (E) y q = P (F ). Obviamente se tiene que p + q = 1,por eso a veces a q se le llamara 1 p.

A este tipo de experimentos con dos unicos resultados, exito y fracaso, los llamaremos experimen-tos de Bernoulli y estan perfectamente determinados por la probabilidad de exito p. Un experimentoBernoulli con P (E) = p, sera denotado por Be(p).

Nuestro ejemplo de elegir a un nino al azar y ver si es zurdo o no sera un experimento Be(01).Sin embargo, el estudio de este tipo de experimentos no nos servira para responder a las preguntas

39

de nuestro ejemplo, aunque s la repeticion de ellos, es decir, si nos encontramos con un aula de 50alumnos y queremos saber cuantos de ellos seran zurdos, podemos repetir el experimento Bernoulli50 veces. Vamos mirando uno a uno a los alumnos y vemos cuantos de ellos son zurdos. Al finaldel recuento, veremos cuantos alumnos zurdos hay. A la variable aleatoria que nos da el numero dealumnos zurdos la llamaremos Binomial. Despues de analizar este problema podremos responder alas preguntas que se plantean en el ejemplo.

Veamos en general que entendemos por una distribucion binomial. Si tenemos una situacion enla que:

1. Se realizan n repeticiones de un mismo experimento siempre en identicas condiciones, y encada uno de ellos solo hay dos posibles resultados, exito (que denotaremos por E) y fracaso,(que denotaremos por F ). Ademas esos sucesos son complementarios, es decir, P (E F ) = 1y P (EF ) = 0 (siempre o se da uno o el otro, y nunca se pueden dar los dos a la misma vez).

2. La probabilidad de exito P (E) es igual en cada ensayo, llamemosla p. Por tanto, la probabil-idad de fracaso tambien es la misma en cada ensayo, llamemosla q. Es decir, tenemos que encada repeticion del experimento se cumple:

P (E) = p , P (F ) = 1 P (E) = 1 p = q.

3. Si denotamos por X = no de exitos en n repeticiones, se tiene que X puede tomar los valores1,...,n y que sigue una distribucion binomial.

A la distribucion de probabilidad que cumple estas condiciones, la llamamos distribucion binomialde parametro p = P (E) con n repeticiones, y la denotaremos por B(n, p).

As pues, si nuestro problema va a ser analizar el numero de alumnos zurdos en un aula de 50,tendremos que plantear una variable aleatoria as:

X = no de alumnos zurdos en un aula de 50,que como podemos suponer se distribuye segun una binomial de parametro p = 01 y n = 50, esdecir, X B(50, 01).

Probabilidad de k exitos

Nos puede surgir una pregunta de un modo muy intuitivo: cual es la probabilidad de que enel aula haya 2 alumnos zurdos? Es decir, para que se de ese suceso tiene que haber 2 zurdos y 48diestros. En otras palabras, se puede decir que el primer alumno ha de ser zurdo, el 2o tambien,el 3o diestro, el cuarto diestro,..., el alumno numero 50 diestro. Si denotamos por Z a un alumnozurdo y por D a uno diestro, podemos poner esta combinacion:

Z Z D D ...D D 48veces

.

Como la probabilidad de que un alumno sea zurdo es 01 y de que sea diestro es 09 (y son lasmismas en cada observacion) tenemos que la probabilidad de que se de esa combinacion de alumnoses:

01 01 09 09 ...09 09 48veces

= (01)2(09)48.

40

Pero ahora bien, el orden en el que estan los alumnos no tienen por que ser ese, es decir, los alumnoszurdos pueden ser el numero 30 y el 43, o el 12 y el 17, etc. As pues, tendremos que multiplicarla cantidad obtenida por el numero total de posibles ordenaciones. Cuantas hay? En total hay(502

)= 5